Cross-Sectional Time Series Analysis of Associations between Education and Girl Child Marriage in Bangladesh, India, Nepal and Pakistan, 1991-2011
Notice bibliographique
Résumé
BACKGROUND: Girl education is believed to be the best means of reducing girl child marriage (marriage <18 years) globally. However, in South Asia, where the majority of girl child marriages occur, substantial improvements in girl education have not corresponded to equivalent reductions in child marriage. This study examines the levels of education associated with female age at marriage over the previous 20 years across four South Asian nations with high rates (>20%) of girl child marriage- Bangladesh, India, Nepal and Pakistan. METHODS: Cross-sectional time series analyses were conducted on Demographic and Health Surveys (DHS) from 1991 to 2011 in the four focal nations. Analyses were restricted to ever-married women aged 20-24 years. Multinomial logistic regression models were used to assess the effect of highest level of education received (none, primary, secondary or higher) on age at marriage (<14, 14-15, 16-17, 18 and older). RESULTS: In Bangladesh and Pakistan, primary education was not protective against girl child marriage; in Nepal, it was protective against marriage at <14 years (AOR = 0.42) but not for older adolescents. Secondary education was protective across minor age at marriage categories in Bangladesh (<14 years AOR = 0.10; 14-15 years AOR = .25; 16-17 years AOR = 0.64) and Nepal (<14 years AOR = 0.21; 14-15 years AOR = 0.25; 16-17 years AOR = 0.57), but protective against marriage of only younger adolescents in Pakistan (<14 years AOR = 0.19; 14-15 years AOR = 0.23). In India, primary and secondary education were respectively protective across all age at marriage categories (<14 years AOR = 0.34, AOR = 0.05; 14-15 years AOR = 0.52, AOR = 0.20; 16-17 years AOR = 0.71, AOR = 0.48). CONCLUSION: Primary education is likely insufficient to reduce girl child marriage in South Asia, outside of India. Secondary education may be a better protective strategy against this practice for the region, but may be less effective for prevention of marriage among older relative to younger adolescents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».